文献

J-GLOBAL ID：202102253100088330   整理番号：21A0442348

CLUE:不均衡データ環境におけるデータ不足に対する個別化病院再入院予測【JST・京大機械翻訳】

CLUE: Personalized Hospital Readmission Prediction Against Data Insufficiency under Imbalanced-Data Environment

著者 (6件)： Meng Qianwen (Shandong University,School of Software,Jinan,China) ,  Cui Lizhen (Shandong University,School of Software,Jinan,China) ,  Yu Guoxian (Shandong University,School of Software,Jinan,China) ,  Yu Han (Nanyang Technological University,Joint NTU-UBC Research Centre of Excellence in Active Living for the Elderly (LILY),Singapore) ,  Guo Wei (Shandong University,School of Software,Jinan,China) ,  Li Hui (Shandong University,School of Software,Jinan,China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： BIBM  ページ： 469-472  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 病院再入院予測は,退院時の患者の再入院リスクを評価するために信頼できる予測モデルを使用する。高い再入院リスクを有する患者を同定し,それらに更なる注意を払うことは,患者と社会の両方への負担を容易化できる。最近,個人化された再入院予測,すなわち,各目標患者の独立モデルの構築に,かなりの注意が払われてきた。しかし,既存の個人化予測モデルは,データ不足によって容易に影響され,貧弱な一般化能力を提供する。これらの課題に取り組むために,本論文では,個人化された病院再入院予測を達成するために,CLusterベースのmUltiタスクlEarningモデル(CLUE)を提案した。CLUE群は,高度に類似した臨床行動を有する患者の相互関連情報を保存するために,多角度類似性計量に基づく異なるクラスタに患者する。患者の異なる群特性のため,患者のクラスタは不均衡である。CLUEは,1つのタスクとして患者の各クラスタに対する病院再入院予測を処理し,パラメータ共有メカニズムにより複数のタスクを共同で学習する。このように,データ不足問題は,他のクラスタからの共有情報によって個々のモデルを補足することによって軽減されるだけではなく,また,各々のクラスタの特定の情報を個人化のために保存することができた。電子健康記録の実世界データセットに関する広範な実験を行い,CLUEが競合比較法よりも著しく優れていることを示した。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *クラスタ ,  類似性 ,  電子カルテ ,  予測モデル ,  病歴
準シソーラス用語： 不均衡 ,  *不均衡データ , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 不均衡データ ,  環境 ,  病院 ,  再入院 ,  予測